圖像非聚焦模糊智能處理及應用
趙文達,王海鵬
- 出版商: 電子工業
- 出版日期: 2024-07-01
- 售價: $534
- 貴賓價: 9.5 折 $507
- 語言: 簡體中文
- 頁數: 216
- ISBN: 712148336X
- ISBN-13: 9787121483363
立即出貨 (庫存=1)
買這商品的人也買了...
商品描述
模糊作為常見的圖像退化方式之一，如何感知模糊、處理模糊註定是一個十分重要的課題，圖像非聚焦模糊處理技術應運而生。深度學習技術的發展使圖像非聚焦模糊處理性能愈發強大，在各類應用場合中逐漸發揮重要作用。本書總結了作者及團隊多年來圖像非聚焦模糊處理技術的研究成果，比較了該領域的最新進展情況，列舉了圖像非聚焦模糊智能處理方案與其應用，具有實踐指導意義，有助於為讀者樹立對非聚焦模糊智能處理的全面認識，進一步理論研究和實際應用的基礎。
目錄大綱
目 錄
第1章 緒論 1
1.1 圖像非聚焦模糊處理的目的和意義 1
1.2 圖像非聚焦模糊處理中的相關基本概念 2
1.2.1 非聚焦模糊圖像的定義及類別 2
1.2.2 圖像非聚焦模糊智能處理中的深度學習技術 2
1.2.3 圖像非聚焦模糊智能處理 4
1.3 圖像非聚焦模糊處理的設計要求和評估指標 4
1.3.1 圖像非聚焦模糊處理的設計要求 4
1.3.2 圖像非聚焦模糊處理的評估指標 5
1.4 圖像非聚焦模糊處理技術的研究歷史及現狀 7
1.4.1 非聚焦模糊檢測 7
1.4.2 非聚焦模糊圖像去模糊 8
1.5 本書的研究範圍和概覽 9
參考文獻 11
第2章 多尺度特徵學習的圖像非聚焦模糊檢測 14
2.1 引言 14
2.2 級聯映射殘差學習網絡 15
2.2.1 方法背景 15
2.2.2 級聯映射殘差學習模型 16
2.2.3 模型訓練 22
2.2.4 實驗 23
2.3 圖像尺度對稱協作網絡 30
2.3.1 方法背景 30
2.3.2 圖像尺度對稱協作模型 32
2.3.3 模型訓練 36
2.3.4 實驗 36
2.4 小結 42
參考文獻 42
第3章 深度集成學習的圖像非聚焦模糊檢測 46
3.1 引言 46
3.2 深度交叉集成網絡 46
3.2.1 方法背景 46
3.2.2 深度交叉集成網絡模型 48
3.2.3 模型訓練 52
3.2.4 實驗 52
3.3 自適應集成網絡 56
3.3.1 方法背景 56
3.3.2 自適應集成網絡模型 58
3.3.3 模型訓練 63
3.3.4 實驗 64
3.4 小結 69
參考文獻 70
第4章 強魯棒圖像的非聚焦模糊檢測 74
4.1 引言 74
4.2 多層級蒸餾學習的全場景非聚焦模糊檢測 74
4.2.1 方法背景 74
4.2.2 多層級蒸餾學習的全場景非聚焦模糊檢測模型 77
4.2.3 模型訓練 82
4.2.4 實驗 83
4.3 基於MRFT的非聚焦模糊檢測攻擊 89
4.3.1 方法背景 89
4.3.2 基於MRFT的非聚焦模糊檢測攻擊模型 90
4.3.3 模型訓練 94
4.3.4 實驗 95
4.4 小結 102
參考文獻 102
第5章 弱監督學習的圖像非聚焦模糊檢測 106
5.1 引言 106
5.2 基於RCN的弱監督焦點區域檢測 107
5.2.1 方法背景 107
5.2.2 RCN結構 109
5.2.3 模型訓練 112
5.2.4 實驗 112
5.3 基於雙對抗性鑒別器的自生成非聚焦模糊檢測 120
5.3.1 方法背景 120
5.3.2 雙對抗性鑒別器的網絡結構 122
5.3.3 模型訓練 124
5.3.4 實驗結果與分析 124
5.4 小結 128
參考文獻 128
第6章 弱監督非聚焦圖像去模糊 132
6.1 引言 132
6.2 對抗促進學習的非聚焦去模糊 132
6.2.1 方法背景 132
6.2.2 對抗促進學習的非聚焦去模糊模型 134
6.2.3 模型訓練 138
6.2.4 實驗 138
6.3 非聚焦檢測攻擊的圖像去模糊 142
6.3.1 方法背景 142
6.3.2 圖像去模糊模型 144
6.3.3 模型訓練 146
6.3.4 實驗 148
6.4 小結 154
參考文獻 155
第7章 多聚焦圖像融合的非聚焦圖像去模糊 159
7.1 引言 159
7.2 聯合多級深度監督捲積神經網絡 159
7.2.1 方法背景 159
7.2.2 多級深度監督網絡模型 161
7.2.3 模型訓練 164
7.2.4 實驗 164
7.3 深度蒸餾多聚焦圖像融合網絡 172
7.3.1 方法背景 172
7.3.2 深度蒸餾多聚焦圖像融合框架 174
7.3.3 模型訓練 177
7.3.4 實驗 178
7.4 小結 182
參考文獻 183
第8章 圖像非聚焦模糊智能處理的實際應用 187
8.1 引言 187
8.2 圖像非聚焦模糊檢測的應用 187
8.2.1 自動對焦系統 187
8.2.2 計算攝影“人像模式” 190
8.2.3 圖片重定向 191
8.2.4 自動駕駛目標檢測 193
8.2.5 多孔材料缺陷檢測 194
8.3 非聚焦圖像去模糊的應用 195
8.3.1 視頻目標跟蹤系統 195
8.3.2 虛擬現實技術 196
8.3.3 無人探測設備應急救援系統 198
8.3.4 醫學內窺鏡系統 199
8.3.5 光學顯微鏡系統 200
8.4 小結 201
參考文獻 202
第9章 回顧、建議與展望 205
9.1 引言 205
9.2 研究成果回顧 205
9.2.1 非聚焦模糊檢測的研究成果 205
9.2.2 非聚焦圖像去模糊的研究成果 205
9.2.3 非聚焦圖像智能處理技術的應用 206
9.3 問題與建議 206
9.3.1 訓練數據集的制約問題 206
9.3.2 模型規模和計算開銷的問題 207
9.3.3 網絡模型的問題 207
9.4 研究方向展望 207
9.4.1 多任務結合的聯合訓練 207
9.4.2 通用性非聚焦模糊處理大模型 208
9.4.3 與前沿應用結合的特化研究 208
9.5 小結 2
